Как сделать ресамплинг панельных данных с ежедневных на ежемесячные с суммами и средними значениями?

Я работаю с набором данных COVID-19, который выглядит следующим образом:

ДатаГородИдентификатор городаСостояниеРасчетное населениеРасчетное население_2019Подтвержденная ставкаСмертностьНовый ПодтвержденныйНовые смерти
2020-03-17Рио-Бранко10002переменный ток4134184073190,725660,0130
2020-03-17Манаус12330ЯВЛЯЮСЬ5555505559640,654330,00553

Дата — мой указатель. У меня есть несколько городов с одинаковыми датами, как видно.

Учитывая, что у меня есть ежедневные точки данных, я пытаюсь передискретизировать свои данные так, чтобы у меня были ежемесячные точки. Я пытался использовать команду resample, но у меня возникли проблемы, потому что я хочу, чтобы некоторые из моих столбцов были одинаковыми и суммировались, а некоторые были средними. Более конкретно:

  • Город, Идентификатор города, Штат: останутся такими же, как и идентификаторы.
  • Предполагаемое население и Предполагаемое_население: я хотел бы взять среднее значение для каждого из этих столбцов, и это будут новые месячные значения.
  • Подтвержденная частота и смертность: я хотел бы взять их среднемесячное значение и сделать эти значения моими месячными значениями, и я хотел бы, чтобы создать новые столбцы указывал ежемесячное стандартное отклонение для моей подтвержденной частоты и смертности.
  • Для новых подтвержденных и новых смертей: я хотел бы добавить эти значения, чтобы моя месячная точка представляла собой сумму новых случаев и смертей в двух отдельных столбцах.

Как я могу создать код, способный различать, какие столбцы добавлять, какие брать среднее значение, и как я могу создать два новых столбца для стандартных отклонений Подтвержденных показателей и Коэффициентов смертности?

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
0
47
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вы должны изучить комбинацию groupby с .agg. Что-то вроде этого должно работать

df_grouped=df.groupby([df.index.month,'City ID']).agg({'Estimated Population':'mean','Estimated Population_2019':'mean','Confirmed Rate':['mean','std'],'Death Rate':['mean','std'],'New Confirmed':'sum','New Deaths':'sum'})

df_grouped.index.rename(['Month','City ID'],inplace=True)

Другие вопросы по теме